Year: 2003
Type: dissertation
Abstract: Neuronale Netze sind biologisch inspirierte, datenverarbeitende Modelle, die in den letzten Jahren große technische\nRelevanz, insbesondere bei der Lösung von Regressions- und Klassifikationsaufgaben, erlangt haben. In dieser Arbeit\nwerden die zum datengetriebenen Entwurf dieser Netze vielfach verwendeten technischen Umsetzungen der Strategien\n"Lernen" und "Evolution" untersucht und verbessert. Untersuchungsschwerpunkte basieren auf der Kopplung von Evolution\nund Lernen: Die Kombination dieser Techniken wird mit dem Ziel, die Vorzüge beider Strategien auszunutzen, betrachtet\nund weiterentwickelt. Des Weiteren erfolgt der Netzentwurf nicht einzig mit dem Ziel, eine feste Aufgabe möglichst\nakkurat zu lösen, sondern vielmehr, eine Vielzahl ähnlicher Aufgaben lösen zu können. Hierzu werden Netze entworfen,\ndie in besonderem Maße lernfähig sind. Die Untersuchungen erfolgen jeweils sowohl an künstlich generierten, als auch\nan realen Aufgabenstellungen.
Author: Hüsken, Michael
Institution: Ruhr University Bochum
Language: German
Subfield: Artificial Intelligence
Field: Computer Science
Domain: Physical Sciences
Open Access status: green
OpenAlex ID: W2395526907
